Введение                    В настоящее время существует потребность предприятий в определении оптимальных настроек систем управления установок (автоклавов) разных типов и объёмов для их разогрева и поддержания постоянной требуемой температуры на всём протяжении работы, так как от этого напрямую зависит качество производимого продукта [1]. Контролируемая и точная температура внутри автоклава - это один из основных показателей работы установки. Сейчас в основном применяются регуляторы, которые не обеспечивают оперативную подстройку системы под изменяющуюся внешнюю температуру или снижение температуры вследствие открывания шиберов. Для обеспечения качества регулирования, снижения процента брака и затрат на подводимую электроэнергию необходимо определение оптимальных настроек регуляторов. Это может быть сделано на основании модели автоклава, в которой реализуется алгоритм подстройки.Сегодня широко используют замкнутые системы автоматического регулирования. Сложность разработки и эксплуатации подобных систем применительно к управлению автоклавом гидротермального синтеза заключается в необходимости реализации связного управления. Подобная задача решается за счет учета влияния взаимных связей между отдельными зонами многомерного объекта управления [2-5]. Эффективность решения задачи связного управления во многом зависит от выбора модели, описывающей поведение объекта управления. Как правило, в основе описания лежит динамическая модель процесса [6; 7]. Применительно к управлению автоклавом может быть предложена матричная модель, рассмотренная в [8], примененная в [9] для синтеза корректирующих звеньев.Рассмотренная в [9] система с корректирующими звеньями показала хороший результат. Но для расчета параметров корректирующих звеньев необходимо знание параметров объекта управления.Важным обстоятельством является возможность определения параметров в пассивном режиме без активных воздействий на автоклав. Это позволит производить оптимизацию процессов управления непосредственно в режиме эксплуатации автоклава, по результатам обработки данных о выводе автоклава на режим. Постановка модельного экспериментаДля формирования набора данных корректирующие звенья отключаются, управление ведется с сепаратных (раздельных) ПИД-регуляторов. ПИД-регуляторы предварительно уже настроены (подобраны коэффициенты) с помощью встроенной функции Tune. При этом фиксируются значения мощностей и температур. Заданные значения параметров модели автоклава указаны в табл. 1 (подробное описание модели приведено в статье [9]).Для имитации процесса вывода автоклава на режим воспользуемся Simulink-моделью четырехканальной замкнутой САР, структура которой изображена на рис. 1. Параметры объекта управления W соответствуют данным табл. 1. Симуляция процесса ведется на интервале времени 10000 с.Таблица 1Заданные значения параметров модели автоклаваПередат. функ. для темп. в зоне нагр.Коэф. передачиKПостоян.врем.tПередат. функ. для связи между зон. нагр.Коэф. передачиKПостоян.врем.tL1101000D120.720000L2101000D230.520000L3101000D340.820000L4101000- Данные о мощностях и температурах в зонах нагрева автоклава экспортируются в рабочее пространство MatLab с помощью блоков To Workspace. Блок To Workspace записывает данные, поступающие на его вход, в рабочую область MatLab [10].Обработка полученных данныхЭкспортированные данные представляют собой структуру с вектором времени. Данный формат выбран, поскольку только он позволяет экспортировать значения как сигналов, так и модельного времени (в реальном времени данные времени могут быть взяты из SCADA-системы). Для извлечения информации используются внутренние поля этой структуры time и signals (рис. 2).Матрица TE формируется аналогично. График изменения температур изображен на рис. 4. В реальных условиях данные могут быть получены из SCADA-системы. Сформированные данные являются глобальными в рабочем пространстве MatLab и используются в функции, вычисляющей невязку (рис. 5). Определение параметров многомерной передаточной функции  Функция вычисления невязки Avtklfun реализует модель автоклава с четырьмя связанными зонами в форме передаточных функций L1…L4, D12…D34 (подробное описание модели приведено в статье [9]). На основе полученной модели производится симуляция с использованием ранее полученного массива мощностей и вектора времени. В результате вычисляется массив модельных температур. В конце работы функции вычисляется разность (невязка) между экспериментальными и модельными данными по температуре. function E=Avtklfun(x) global t P TE; s=tf('s'); L1=x(1)/(x(2)*s+1); L2=x(3)/(x(4)*s+1); L3=x(5)/(x(6)*s+1); L4=x(7)/(x(8)*s+1); L=[L1 0 0 0; 0 L2 0 0; 0 0 L3 0;0 0 0 L4]; D12=x(9)/(x(10)*s+1); D23=x(11)/(x(12)*s+1); D34=x(13)/(x(14)*s+1); D=[0  D12  0   00   0  D23  0 0   0   0  D34 0   0   0   0]; R=D^2+D^3; F=D+R+diag([1 1 1 1]); W=F*L; T=lsim(W, P, t); E=T-TE;                          Рис. 5. Функция вычисления невязки Avtklfun Функция Avtklfun многократно вызывается функцией оптимизации lsqnonlin, в качестве параметров которой также задаются массив начальных значений коэффициентов моделей и допустимые границы изменения этих коэффициентов.Lsqnonlin - функция многомерной оптимизации методом наименьших квадратов. В основу функции lsqnonlin положены принципы градиентного метода. Помимо организации градиентного спуска функция реализует вычисление критерия наименьших квадратов и, как правило, дает наименьшее число итераций при минимизации [11].Для нашей модели передаются начальные значения коэффициента передачи и постоянных времени передаточных функций модели. Начальные значения параметров модели автоклава (табл. 2) заданы произвольно и значительно отличаются от указанных в табл. 1.                                                                                                                                                                               Таблица 2Начальные значения параметров модели автоклаваПередат. функ. для темп. в зоне нагр.Коэф. передачиKПостоян.врем.tПередат. функ. для связи между зон. нагр.Коэф. передачиKПостоян.врем.tL11500D120.110000L21500D230.110000L31500D340.110000L41500- Функция  lsqnonlin допускает определение дополнительных параметров для управления вычислительным процессом и контроля над ним. Параметры задаются в управляющей структуре options. Перед вызовом вычислительных функций нужно предварительно сформировать переменную options, воспользовавшись функцией optimset (подробное описание настройки и вызова функции приведено в [11]). Настройка и вызов функции оптимизации показаны на рис. 6.Ход процесса оптимизации показан в табл. 3, где отражено количество итераций, сколько раз вызывалась исследуемая функция, приближение и значение функции минимизации f(x).Как видно из табл. 3, потребовалось достаточно большое количество итераций с количеством вызовов функции от 15 до 615. В результате величина невязки снизилась с 108  до 10-12. В результате работы функции lsqnonlin формируется вектор K с коэффициентами модели, составляющие которого показаны в табл. 4.Данные, приведенные в табл. 4, показывают, что оптимизация прошла успешно, так как значения совпадают с заданными в табл. 1 с небольшой погрешностью, что говорит о точности и эффективности применяемого метода. Таким образом, можно сказать, что возможно определить параметры объекта управления (автоклава), зная только значения входных (мощностей) и выходных (температур) сигналов.Таблица 3 Процесс оптимизацииIterationFunc-countf(x)Norm of stepFirst-order optimality0159.60519e+08       -6.63e+101309.60519e+08106.63e+102453.33846e+082.59.96e+103601.03051e+0853.74e+104752.44196e+07103.49e+095907.28786e+0616.57773.32e+0961051.69555e+0612.51651.06e+09712052174917.37535.62e+08813510975121.17931.97e+08915015301.912.06576.13e+0710165929.6956.95951.13e+07…3046515.94393.069092.75e+06314808.111570.6509972.02e+04324956.053370.7672731.84e+05335103.327661.534555.61e+05345252.02130.6061661.08e+05355400.8052771.553156.2e+05365550.2616130.1984261.49e+04375700.05052390.8545622.12e+05385850.0006448640.0287472378396004.07987e-070.0438984633406159.20412e-128.75443e-050.377                                                                                                                                                               Таблица 4Результат определения параметровПередат. функ. для темп. в зоне нагр.Коэф. передачиKПостоян.врем.tПередат. функ. для связи между зон. нагр.Коэф. передачиKПостоян.врем.tL19.9999999…9999.99…D120.6999999…19999.9…L29.9999999…9999.99…D230.4999999…19999.9…L39.9999999…9999.99…D340.7999999…19999.9…L49.9999999…9999.99…- Заключение                     Результаты данного модельного эксперимента показывают, что возможно определить параметры автоклава с высокой точностью с использованием системы MatLab. В перспективе, с учетом существенной инерционности тепловых процессов в автоклаве, это позволит производить оптимизацию процессов управления непосредственно в режиме эксплуатации автоклава.